Analyse pour ling

enieur
ENSIMAG 1`ere Ann
ee 1er semestre

S. Meignen, V. Perrier
20010/2011

Table des mati`

eres
1 Int
egration
1.1 Elements de theorie de la mesure . . . . . . . . . . . .
1.1.1 Ensembles mesurables . . . . . . . . . . . . . .
1.1.2 Mesures . . . . . . . . . . . . . . . . . . . . . .
1.1.3 Fonctions mesurables . . . . . . . . . . . . . . .
1.2 Integration des fonctions positives . . . . . . . . . . .
1.2.1 Definition de lintegrale . . . . . . . . . . . . .
1.2.2 Proprietes elementaires . . . . . . . . . . . . .
1.2.3 Theor`eme de convergence monotone . . . . . .
1.2.4 Proprietes des fonctions integrables positives .
1.3 Fonctions integrables . . . . . . . . . . . . . . . . . . .
1.3.1 Lespace des fonctions integrables . . . . . . . .
1.3.2 Integration sur un sous-ensemble, integrale p.p.
1.3.3 Theor`eme de convergence dominee de Lebesgue
1.4 Calcul pratique dintegrales . . . . . . . . . . . . . . .
1.4.1 Lien avec lintegrale de Riemann . . . . . . . .
1.4.2 Primitive et integrale de Lebesgue . . . . . . .
1.4.3 Integrales complexes . . . . . . . . . . . . . . .
1.5 Lespace L1 (RN ) . . . . . . . . . . . . . . . . . . . . .
1.5.1 Motivation pour une norme . . . . . . . . . . .
1.5.2 Lespace L1 . . . . . . . . . . . . . . . . . . . .
1.5.3 Les espaces Lp . . . . . . . . . . . . . . . . . .
1.6 Integrales definies par un param`etre . . . . . . . . . .
1.7 Integrales multiples . . . . . . . . . . . . . . . . . . . .
1.7.1 Intervertion des integrales . . . . . . . . . . . .
1.7.2 Changement de variable . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

2 Transform
ee de Fourier dans L1 (R)
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.1 Historique . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.2 Interet de lintegrale de Fourier pour la resolution dequations
2.1.3 Motivation pour le traitement du signal . . . . . . . . . . . .
2.2 Transformation de Fourier dans L1 (R) . . . . . . . . . . . . . . . . .
2.2.1 Theor`emes de densite . . . . . . . . . . . . . . . . . . . . . .
2.2.2 Definition de la transformee de Fourier dans L1 (R) . . . . . .
2.2.3 Propriete (Theor`eme de Riemann-Lebesgue) . . . . . . . . . .
3

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

5
5
5
5
7
8
9
9
10
11
11
11
13
13
14
14
16
16
16
16
16
17
17
18
18
19

. . . . . .
. . . . . .
lineraires
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

21
21
21
21
21
22
22
23
23

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

`
TABLE DES MATIERES

4
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

24
24
26
28
28
29
29

. . . .
. . . .
. . . .
. . . .
L2 (R)
. . . .

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

31
31
31
32
32
33
34

4 Th
eorie
el
ementaire des distributions
4.1 Lespace des fonctions test . . . . . . . . . . . . . . . . . . . . .
4.1.1 Notations . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1.2 Support dune fonction . . . . . . . . . . . . . . . . . .
4.1.3 Definition des fonctions test D() . . . . . . . . . . . .
4.1.4 Convergence dans D() . . . . . . . . . . . . . . . . . .
4.2 Definition des distributions . . . . . . . . . . . . . . . . . . . .
4.2.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.2 Convergence des distributions . . . . . . . . . . . . . . .
4.2.3 Support dune distribution . . . . . . . . . . . . . . . .
4.3 Operations sur les distributions . . . . . . . . . . . . . . . . . .
4.3.1 Derivation des distributions . . . . . . . . . . . . . . . .
4.3.2 Multiplication par les fonctions C . . . . . . . . . . .
4.4 Convolution dune fonction et dune distribution : D(R) D (R)

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

35
35
35
36
36
37
37
37
38
39
39
40
43
45

2.3
2.4

2.2.4 Exemple . . . . . . . . . . . . . . . . . . . . .
2.2.5 Proprietes . . . . . . . . . . . . . . . . . . . .
Inversion de la transformee de Fourier dans L1 (R) .
Produit de convolution et principe du filtrage . . . .
2.4.1 Produit de convolution dans L1 (R) . . . . . .
2.4.2 Exemple de filtrage : les moyennes glissantes
2.4.3 Convolution et transformee de Fourier . . . .

3 Transform
ee de Fourier dans L2 (R)
3.1 Lespace L2 (R) . . . . . . . . . . . . . . . . . . . .
3.2 Convolution dans L2 (R) . . . . . . . . . . . . . . .
3.3 Transformee de FourierTdans L2 (R) . . . . . . . . .
3.3.1 Lespace L1 (R) L2 (R) . . . . . . . . . . .
3.3.2 Definition de la transformee de Fourier dans
3.4 Propriete de la transformee de Fourier dans L2 (R)

.
.
.
.
.
.
.

.
.
.
.
.
.
.

Chapitre 1

Int
egration
R+ = [0, +[{+} = {x R ; x 0} {+}.
Convention :
x R+ , x + (+) = 
+
+ si x > 0
x (+) =
0
si x = 0

1.1
1.1.1

El
ements de th
eorie de la mesure
Ensembles mesurables

D
efinition 1 Une tribu sur RN (N 1) est une famille de parties de RN contenant , stable par
passage au complementaire et par reunion denombrable (et donc par intersection denombrable).
Si B designe une tribu sur RN , les elements de B sappellent les ensembles mesurables. On dit que
(RN , B) est un espace mesurable.
Exemples :
(i) (, RN ) est la tribu grossi`ere de RN .
(ii) P(RN ) ensemble des parties de RN est la tribu discr`ete.
(iii) La tribu des boreliens sur RN est la tribu engendree par les ouverts (et donc par les fermes)
de RN . On peut montrer que cette tribu notee BRN est engendree par les paves :
N
Y

j=1

1.1.2

[aj , bj ] avec < aj < bj < +

Mesures

D
efinition 2 Soit B une tribu de RN . Une mesure positive sur B est une application de B dans
R+ veriant :
(i) () = 0
(ii) Pour toute famille denombrable (Bi ) delements de B deux a
` deux disjoints on a :

[
X
( Bi ) =
(Bi )
1


CHAPITRE 1. INTEGRATION

6
( est denombrablement additive)
(RN , B, ) est un espace mesure.

Exercice : Montrer que lon peut remplacer dans la definition : () = 0 par la mesure nest pas
partout egale `a +.
D
efinition 3 Soit (RN , B, ) un espace mesure. On dit que cet espace est complet, ou que est
compl`ete ou que est compl`ete pour B si :
(B B, (B) = 0, A B) A B
Si (RN , B, ) est un espace mesure, on peut montrer qu il existe une tribu B et une mesure (positive)

sur B telles que :

(i) B B
(ii) B B,
(B) = (B)
N

(iii) (R , B,
) est complet
Exemple fondamental : On peut montrer quil existe une unique mesure sur la tribu des Boreliens
BRN verifiant :

N
N
Y
Y

[aj , bj ] =
(bj aj )
j=1

j=1

est la mesure de Borel de RN .

La completee de cette mesure sappelle la mesure de Lebesgue de RN .

Autres exemples de mesure :

1) mesure de comptage sur un ensemble X, A = P(X), (A) = card(A)
2) mesure de Dirac, (A) = 1 si a A, (A) = 0 si a
/ A (A ensemble mesurable).
Proprietes des mesures positives
1) (A) (B) si A B.
2) Si An est une suite densembles mesurables, on a :

[
X

An
(An )
n0

n0

3) Si A, B RN sont mesurables, on a :

(A B) + (A B) = (A) + (B)
4) Si (An ) est une suite croissante densembles mesurables alors :
[
(
An ) = lim (An )
nN

n+

5) Si (An ) est une suite decroissante densembles mesurables tels que (A1 ) < +, alors on a :
\
An ) = lim (An )
(
nN

n+

Exercice : Q B(R) et (Q) = 0 o`

u est la mesure de Lebesgue.

1.1. ELEMENTS
DE THEORIE
DE LA MESURE

Ensembles n
egligeables - Propri
et
es vraies presque partout
D
efinition 4 Soit A RN un ensemble mesurable. Si (A) = 0 on dit que A est negligeable (pour
la mesure consideree).
Remarque 1 Comme une reunion denombrable densembles negligeables est negligeable, dans R
(N = 1), Q est denombrable donc negligeable car les points sont de mesure nulle pour la mesure de
Lebesgue.
L ([0, 1] Q) = 0, L ([0, 1] (R\Q)) = 1
o`
u L designe la mesure de Lebesgue.

1.1.3

Fonctions mesurables

On consid`ere lespace mesurable (RN , B)

D
efinition 5 Une fonction f : RN [0, [ est etagee si elle prend un nombre ni de valeurs
distinctes a1 , , ak < + et si Bi = f 1 (ai ) B
P
Ecriture dune fonction etagee : f = ki=1 ai 1lBi avec ai R, Bi mesurable et Bi Bj = si i 6= j.
La fonction 1lBi qui vaut 1 sur Bi et 0 en dehors est la fonction indicatrice de Bi .
D
efinition 6 Une fonction F : RN R est mesurable si limage reciproque de tout intervalle
ouvert de R est un ensemble mesurable.
Remarque : on en deduit que limage reciproque de tout intervalle par une fonction mesurable est
mesurable.
Exemple : une fonction continue est mesurable.
Th
eor`
eme 1
Soit f : RN R+ une fonction mesurable positive. Alors f est limite simple croissante dune
suite de fonctions etagees.

i
1 ([n, ]). ChaD
emonstration Pour i entier [1, n2n ], on note En,i = f 1 ([ i1
2n , 2n ]) et Fn = f
cune de ces parties appartient `
a la tribu B car f est mesurable. A laide des fonctions caracteristiques
des ces parties on definit :
X i1
sn =
1lEn,i + n1lFn
2n
n
1in2

qui est une fonction etagee. Quand on passe de n `a n + 1, les intervalles de la nouvelle subdivision
de [0, ] sont contenus dans les intervalles de la n-i`eme. Donc la suite sn est croissante. On verifie
facilement que sn (x) tend vers f (x) pour n ; si f (x) < + et n > f (x), sn est lapproximation
inferieure `a 21n pr`es par un nombre dyadique.
Proposition 1
Le produit et la somme de deux fonctions mesurables `a valeurs reelles sont mesurables


CHAPITRE 1. INTEGRATION

D
emonstration Si f et g sont deux fonctions mesurables sur X `a valeurs reelles, et si est une
fonction continue sur R2 `
a valeurs relles, alors la fonction h definie par :
h(x) = (f (x), g(x))
est mesurable. En effet, pour tout nombre reel , lensemble


= (u, v) R2 , (u, v) >

est un ouvert, et est donc une renuion denombrable de rectangles ouverts

=

Rn

Rn =]an , bn []cn , dn [.

n=1

Les ensembles
{x, (f (x), g(x)) Rn } = {x, an < f (x) < bn )}
sont mesurables, et de meme lensemble
{x, h(x) > } = {x, (f (x), g(x)) x } =

n=1

{x, cn < f (x) < dn )}

{x, (f (x), g(x)) Rn }

est mesurable. On en deduit que la somme et le produit de deux fonctions mesurables sont mesurables.
Pour une suite (an ) [0, ], sup(an ) designe la borne superieure dans [0, ].
Pour une suite de fonctions fn : X [0, ], n N, la fonction sup fn est la fonction x sup fn (x).
n

Proposition 2
Soit fn : X [0, ], une suite de fonctions mesurables. Alors sup fn et inf fn sont mesurables.
n

D
emonstration :



\

x X, a < sup fn < b
=
x X, sup fn < b
x X, a < sup fn
n
n
n
[
\[

{x X, fn (x) > a}
{x X, fn (x) < b}
n

qui est mesurable en tant que reunion denombrable densembles mesurables. On a une egalite
identique pour linf do`
u la conclusion.
Remarque : il est tr`es complique de construire des ensembles non mesurables pour la mesure de
Lebesgue. Dans la pratique, on consid`erera que toutes les fonctions etudiees sont mesurables (sans
le demontrer).

1.2

Int
egration des fonctions positives

Dans la suite designe une mesure sur RN .


1.2. INTEGRATION
DES FONCTIONS POSITIVES

1.2.1

D
efinition de lint
egrale

D
efinition 7
1) Si f : RN R+ est une fonction etagee de valeurs distinctes a1 , a2 , , an ,
on note Ai = f 1 (ai ) et on pose
Z
n
X
ai (Ai ).
f d =
RN

i=1

` comme lelement
2) Si f : RN R+ est mesurable, on denit lintegrale de f par rapport a
de [0, ] donne par la formule suivante :
Z
Z
sd, s est etagee et s f }
f d = sup{
RN

RN

On dira que f est integrable sur RN si cette quantite est nie.

3) Si E RN est mesurable et si 1lE est sa fonction indicatrice, on pose :

Z
Z
f 1lE d
f d =
RN

R
R
Remarque : au 2), on peut denir de facon equivalente RN f d = limn RN sn d o`
u (sn ) est une
suite croissante de fonctions etagees convergeant simplement vers f (dans ce cas il faut montrer
que lintegrale ne depend pas du choix de la suite (sn )).

1.2.2

Propri
et
es
el
ementaires

1) Si f, g : RN R+ sont mesurables et si x RN , f (x) g(x) alors

Z
Z
gd (croissance de lintegrale)
f d
RN

RN

2) Si s et t sont deux fonctions etagees, on a

Z
Z
(s + t)d =

RN

RN

sd +

td

RN

3) Soit E un ensemble mesurable de RN tel que (E) = 0. Alors :

Z
Z
f 1lE d = 0
f d =
RN

D
emonstration
R
R
1) Si s est etagee f , on a s g et donc RN sd RN gd. En prenant la borne superieure du
membre de gauche lorsque s varie parmi les fonctions etagees f , on obtient legalite voulue.
2) On peut ecrire
Z
\
XX
(s + t)d =
(si + tj )(Ai Bj )
RN

T
T
P P
PP
(si +tj )(Ai Bj ) = ai (Ai Bj )+
avec s = si 1lAi et t = tj 1lBj . On remarque alors que
j
i
i jR
R
P
Pj
P P i T
T
ai (Ai ) + bj (Bj ) = RN sd + RN td, car Bi Bj = if i 6= j
bj (Ai Bj ) =
j
i
j
S i
(idem pour Ai ) et Bj = RN .
P


CHAPITRE 1. INTEGRATION

10
3) En exercice !

1.2.3

Th
eor`
eme de convergence monotone

On admet le theor`eme suivant dit de Beppo-Levi :

Th
eor`
eme 2

Th
eor`
eme de convergence monotone ou de Beppo-Levi

Si (fn )nN est une suite croissante de fonctions mesurables de RN dans R+ , on a :

Z
Z
fn (x)d +
lim fn (x)d = lim
RN

RN

Corollaire 1
Linearite
1) Si f et g sont deux fonctions mesurables RN R+ et , deux reels 0, on a :
Z
Z
Z
gd
f d +
(f + g)d =
RN

RN

RN

2) Soit (fn ) : RN R+ mesurables pour tout n, on a :

!
Z
+ Z
+
X
X
fn d =
RN

N
n=0 R

n=0

fn d

D
emonstration
1) On sait quil existe des suites croissantes de fonctions positives et etagees telles que fn f et
gn g. Alors fn +gn est une suite croissante de fonctions etagees et lim fn +gn = f +g.
n
Comme on a :
Z
Z
Z
RN

(fn + gn )d =

RN

fn d +

RN

gn d

Le resultat sobtient alors en appliquant le theor`eme de convergence monotone `a chacun des

membres de legalite.
2) Posons x, gj (x) =

j
X

n=0

fn (x). On a alors x, gj (x) gj+1 (x) et j, gj : RN R+ est

mesurable. j N, aj 0 donc

X
j0

aj converge toujours dans R+ . SK =

K
X
j=0

aj .


1.3. FONCTIONS INTEGRABLES

1.2.4

11

Propri
et
es des fonctions int
egrables positives

Propri
et
es : Soit f : RN R+ une fonction mesurable. On a :
1)
Z
f d = 0 f = 0 p.p. (f (x) = 0 p.p.)
RN

2)

RN

f d < + f < + p.p. (f (x) < p.p.)

D
emonstration
1) Posons A = {x RN ; f (x) 6= 0}
()
x RN , f (x) lim n1lA (x)
n
Z
Z
Z
th2
1lA d car n1lA est croissante.
lim n1lA d = lim n
f d
n
RN
RN n
RN
| {z }
(A)=0

()
1lA (x) lim nf (x)
Z
Zn
1lA d
(A) =
RN

th2

lim nf d = lim n

RN n

N ; f (x) = +}, On a alors

2) Posons A
R = {x R
R
comme A f d RN f d, (A) = 0.

1.3
1.3.1

|R
R

f (x) d = 0
{z
}
=0

A f d = + si (A) 6= 0 et 0 sinon. Donc,

Fonctions int
egrables
Lespace des fonctions int
egrables

D
efinition 8 Soit f une fonction mesurable. Si f+ (x) = max(f (x), 0) et f (x) = max(f (x), 0),
on dit que f est integrable (pour la mesure ) sur RN si
Z
Z
f d < +
f+ d < + et
RN

On appelle integrale de f le nombre note

Z

RN

RN

f d tel que :

RN

f d =

RN

f+ d

RN

f d

Remarque : si f est mesurable f+ et f le sont. Par contre si f et g sont mesurables `a valeurs

dans R la somme f + g nest pas forcement definie par exemple si f (x) = + et g(x) = . En
revanche si f et g sont mesurables et integrables f et g sont finies presque partout donc f + g est
definie presque partout. En posant f = 0 l`
a o`
u f est infini, g = 0 l`
a o`
u g est infini, f + g a meme
integrale que f + g et est mesurable.


CHAPITRE 1. INTEGRATION

12

Proposition 3
La definition de lintegrale ne depend pas du choix de g et h tel que f = g h avec g 0 et
h0

hd
gd +,
D
emonstration On a f = f+ f . Si on pose f = gh, avecg, h 0 et
RN
RN
Z
Z
Z
hd.
gd
f d =
+, on a
RN
RN
RN
Z
Z
Soit r = g f+ = h f , r 0 et r g : 0
rd
gd +
RN
RN
Z
Z
Z
Z
Z
Z
hd, dapr`es la linearite des
f d +
rd =
f+ d et
rd +
gd =
On a
RN
RN
RN Z
RN
RN
Z
Z RN
hd.
gd
f d =
fonctions positives. Do`
u
RN

RN

RN

Proposition 4
1) Lensemble des applications integrables de RN sur R pour la mesure
de Lebesgue est un
R
espace vectoriel, note L1 (RN ), et lapplication (f L1 (RN ) 7 RN f d) est une forme
lineaire.
Z
Z

2) Soient f, g L1 (RN ) telles que f g. Alors

3) Soient f, g : RN R mesurables avec g

f d

RN
L1 (RN )

gd.

RN

et |f | g. Alors f L1 (RN ).

4) Soit f : RN R mesurable, f L1 (RN ) |f | L1 (RN )

 Z
Z


1
N

|f | d.
f d
5) Si f L (R ), on a 
N
N
R

Remarque : Lensemble de ces proprietes est vrai pour dautres mesures que la mesure de Lebesgue.

D
emonstration
Point 1
fR = g h, avec gR 0 h 0 f =Rg h avec f R 0 and g
0. f + f R= (g + g ) R (h + h ),
R

= RN (g + g )d RN (h + h )d = RN gd + RN g d RN hd RN h d =
RRN (f + Rf )d

f d + f d
Point 4
R
R
f = f+ f et RN f+ d < +, RN f d < +
R|f | = f+ + fR
R
|f
|
d
=
f
d
+
N
N
+
R
R
RN f d < +


1.3. FONCTIONS INTEGRABLES

1.3.2

13

Int
egration sur un sous-ensemble, int
egrale p.p.

D
efinition 9 Soit A RN un ensemble mesurable et soit f : A R mesurable. On note :
fA : x 7 fA (x) =
et on pose

def

f d =
A

f (x) si x A
0
sinon

RN

fA d

(f est integrable sur A fA est integrable sur RN ).

On note L1 (A) lensemble des applications integrables sur A.
Remarque
2 Si f est mesurable et denie sur un ensemble de mesure nulle, alors f est integrable
R
et RN f d = 0.

D
efinition 10 Soit P(x) une propriete faisant intervenir les points x de RN . On dit que P est
vraie presque partout si {x RN ; P (x) est fausse} est negligeable.
D
efinition 11 Soit f mesurable denie p.p. sur RN . Soit A RN mesurable tel que x
N
R \A, f (x) est deni et (A) = 0. Posons :
f(x) =

f (x)
si x RN \A
autre chose si x A

Si f est integrable, alors tout autre prolongement lest aussi et lintegrale est la meme (demonstration
en exercice). On dit que f est integrable et on pose
Z

RN

1.3.3

f d =

fd

RN

Th
eor`
eme de convergence domin
ee de Lebesgue

On demontre maintenant le theor`eme fondamental :

Th
eor`
eme 3

Th
eor`
eme de convergence domin
ee de Lebesgue

Soit (fn ) une suite de fonctions mesurables telle que :

(i) fn (x) f (x) p.p..
(ii) il existe g L1 (RN ) telle que n N, |fn (x)| g(x) p.p.
Alors f L1 (RN ) et on a :
Z
Z
Z
fn d
|fn f | d 0 et
RN

n+

RN

n+

f d
RN


CHAPITRE 1. INTEGRATION

14

D
emonstration
Posons
N
An = {x RN ; |f
n (x)| > g(x)}, B = {x R ; fn (x) ne tend pas vers f (x)}
[
N =B
An , N est alors negligeable.
n0

fn (x) si x RN \N
sinon
 0
f
(x)
si
x RN \N
f(x) =
sinon
 0
g(x) si x RN \N
g(x) =
0
sinon




gn (x) = fn (x) f(x) et hn (x) = sup gk (x)
fn (x) =

kn

n, hn hn+1 ; n, hn 0
hn (x) 0
0 hn 2
g donc 2
g hn 0 et (2
g hn ) est croissante.
Alors,Z le theor`eme 2 (page
10)
(Beppo-Levi)
donne
Z:
Z

gd
lim (2
g hn )d = 2
 RN
Z
Z
Z
(hn )d
gd lim
hn d = 2
g
(2
g hn )d = lim 2
lim
n RN
n
n RN
RN
RN
RN
Z
(hn )d = 0
Donc lim
lim

n RN
Z

(2
g hn )d =

RN n
 Z

n RN

1.4

Calcul pratique dint

egrales

Dans cette partie designe la mesure de Lebesgue (egalement notee dx)

1.4.1

Lien avec lint

egrale de Riemann

Le theor`eme de convergence dominee permet de retrouver le resultat suivant pour lintegrale de

Lebesgue, et qui est classique pour lintegrale de Riemann :
Proposition 5
Soit (fn ) C([a, b]) telle que (fn ) converge uniformement vers f C([a, b]). Alors :
Z
Z
f d
fn d =
lim
n [a,b]

[a,b]

D
emonstration
C tq kf k C. Montrons quil existe M > 0 n, |fn | M . En effet,
n0 tq n n0 , kfn f k 1 = kfn k 1 + kf k 1 + C.
n {0, . . . , n0 1}, Cn tq kfn k Cn . On pose alors M = max (1 + C, Cn )
0nn0 1

Maintenant, pour une fonction continue, on a le lien suivant entre les deux integrales :


1.4. CALCUL PRATIQUE DINTEGRALES

15

Proposition 6
Si f est integrable au sens de Riemann sur [a, b], alors f est integrable au sens de Lebesgue sur
[a, b] et lintegrale au sens de Lebesgue sur [a, b] est egale `a lintegrale de Riemann sur [a, b].

D
emonstration
On demontre la proposition uniquement dans le cas o`
u f est continue. Soit
Rx
F
(x)
=
f
(x)dx
lint
e
grale
de
Riemann.
F
est
une
primitive
de
f
.
Consid
erons alors G(x) =
a
R
(x) = f (x). On a :
f
(x)d
o`
u

est
la
mesure
de
Lebesgue,
montrons
que
G
[a,x]
G(x + h) G(x)
h

1
=
h
Z
=

f (t)d

[x,x+h]

f (x + th)d (formule de changement de variables `a la fin du chapitre)

[0,1]
G(x+h)G(x)
h
h0

en appliquant le theor`eme de convergence dominee `a t f (x + th), on obtient lim

f (x). Donc F et G sont deux primitives de f qui sannulent en a donc elle sont egales.
Proposition 7
si f : R R+ est integrable au sens de Riemann sur tout intervalle compact de R, alors f est
mesurable et on a :
Z
Z R
Z
f (t)dt
f (t)dt =
f d = lim
R

R+ R

On parle dans ce cas dintegrale de Riemann semi-convergente

D
emonstration fn = f 1l[n,n] . Comme f 0, (fn ) est une suite croissante positive de fonctions
Lebesque integrable sur R. et fn (x) f pour tout x R. Par le theor`eme de convergence monotone,
Z n
Z
Z
f d
fn d = lim
f d =
lim
n+ n
n+ R
R
Z n
f (t)dt dapr`es la proposition precedente
=
lim
n+ n
Z +
f (t)dt integrale de Riemann semi-convergente
=

Remarques :
R
1. Si R f (t)dt = + le resultat reste vrai

2. Si f nest pas positive, la proposition est fausse (cf

Exemples :
1. Montrer que f (t) =
2. Montrer que f (t) =

1
L1 (RN ).
1+t2
sin(t)

/ L1 (RN ).
t

sin(x)
x )


CHAPITRE 1. INTEGRATION

16
3. fn (x) = 1l[n,n+1] (x). fn

L1 (R+ ).

x 0, fn (x) 0.

marche pas ! La fonction g du theor`eme est g(x) = 1 sur

1.4.2

RN
R+ ,

fn = 1 et

lim fn = 0 : ne

RN n

qui nest pas integrable.

Primitive et int
egrale de Lebesgue

Proposition 8
Soit f : [a, b] R une fonction Lebesgue integrable alors F (x) =
sur ]a, b[ et F (x) = f (x).

1.4.3

[a,x] f (t)d

est derivable p.p

Int
egrales complexes

D
efinition 12 Soit f : RN C, f = f1 + if2 , f1 , f2 : RN R Soit f = f1 + if2 f est mesurable
f1 et f2 sont mesurables.
f est integrable f1 et f2 sont integrables, et alors :
Z
Z
Z
f2
f1 + i
f=
RN

RN

On a :

1.5

RN

 Z

f d

RN

|f | d

et

RN

RN

|f + g| d

RN

|f | d +

RN

|g| d

Lespace L1 (RN )

1.5.1

Motivation pour une norme

Soit f

L1 (RN ).

1.5.2

Lespace L1

Posons N1 (f ) =

RN

|f | d, o`
u est la mesure de Lebesgue.

On a :
1. N1 (0) = 0
2. f L1 (RN ), R ou C, N1 (f ) = || N1 (f )
3. f, g L1 (RN ), N1 (f + g) N1 (f ) + N1 (g).
Donc on a presque une norme.
Si N1 (f ) = 0 pour f L1 (RN ), alors f = 0 p.p., donc N1 nest pas une norme.

D
efinition 13 Soient f, g L1 (RN ). On dit que f g (f equivalente a
` g) si et seulement si f = g
p.p.. Cest une relation dequivalence.
Posons L1 (RN ) = L1 (RN )/ = {f ; f L1 (RN )}. On a alors g f f g.
Proposition 9
g et f = f

L1 (RN ) est un espace vectoriel si on pose f + g = f +

k.k1 est une norme sur L1 (RN ) si on pose f = N1 (f ).
1

`
1.6. INTEGRALES
DEFINIES
PAR UN PARAMETRE

17

Proposition 10
L1 (RN ) est un espace vectoriel norme complet
Th
eor`
eme 4
Soient (fn ), f L1 (RN ). On suppose que

RN

|fn f | 0.
n+

Alors, il existe une suite extraite (fnk ) telle que fnk (x) f (x) p.p. et il existe g L1 (RN )
telle que |fnk (x)| g(x) p.p..

1.5.3

Les espaces Lp

D
efinition 14 On peut de meme denir p N , Lp (RN ) = Lp (RN )/ . On munit Lp (RN ) de la
1
Z

p

p
|f |
norme : f = Np (f ) =
p

RN

D
efinition 15 L (RN ) = {f : RN R ou C ; f mesurable et c 0 tq |f (x)| c p.p.}.

L (RN ) est un espace vectoriel norme.

Soit f L (RN ), on pose alors N (f ) = inf{c 0/ |f (x)| c pp}.

On a :
1. N (0) = 0
2. N (f ) = || N (f )
3. N (f + g) N (f ) + N (g)
4. N (f ) = 0 = f = 0 p.p.

D
efinition 16 On pose L (RN ) = L (RN )/ et f

1.6

= N (f ).

Int
egrales d
efinies par un param`
etre


CHAPITRE 1. INTEGRATION

18

Th
eor`
eme 5
Soit I un intervalle de R et A RN un ensemble mesurable. Soit f une fonction mesurable
definie sur I A (en fait definie t I et p.p. sur A).
On suppose que t I, (x 7 f (t, x)) L1 (A) et on pose :
Z
f (t, x)d
F (t) =
A

1. Continuite : Sous les hypoth`eses suivantes :

(a) x p.p. sur A, (t 7 f (t, x)) est continue sur I

(b) g L1 (A) tq t I, |f (t, x)| g(x), x p.p. sur A

Alors F est continue sur I.

2. Derivabilite : Sous les hypoth`eses suivantes :

(a) x p.p. (t 7 f (t, x)) est derivable sur I


f

1

(b) h L (A) tq t I,  (t, x) h(x), x p.p. sur A
t
Alors F est derivable sur I et :
Z
f
F (t) =
(t, x) d
A t

D
emonstration
1. Soit (tn ) tel que tn t dans I. F (tn ) =
n+

f (tn , x) d. Soit fn (x) = f (tn , x), fn (x)

f (t, x) p.p. sur A et n, |fn | g p.p. Le theor`eme de convergence dominee assure que
F (tn ) F (t).

2. On consid`ere

f (t+h,x)f (t,x)
h

F (t + h) F (t)
=
h

f (t + h, x) f (t, x)
d
h

f (t+h,x)f (t,x)
h

et
= f
On a
t (h , x) avec h ]t, t + h[ donc avec les
hypoth`eses du theor`eme, on peut appliquer le theor`eme de convergence dominee et il vient :
Z
f
(t, x) d
F (t) =
A t

1.7
1.7.1

f
t (t, x)

Int
egrales multiples
Intervertion des int
egrales

Soit 1 RN1 et 2 RN2 des ouverts et (x),(y) les mesures de Lebesgue resp. sur RN1 et RN2 .
Dans le cas des fonctions positives on a :


1.7. INTEGRALES
MULTIPLES

Th
eor`
eme 6

19

Th
eor`
eme de Tonelli ou Fubini 0

Soit f mesurable positive sur 1 2 . Alors pour presque tout x 1 y f (x, y) est mesurable
et pour presque tout y 2 x f (x, y) est mesurable et on a :
(i)


Z Z
Z Z
Z
f (x, y) d(y) d(x) =
f (x, y) d(x) d(y) =
f (x, y) d(x) d(y)
1

1 2

(ii) Si ces integrales sont finies, alors f L1 (1 2 ).

Pour les fonctions de signe quelconque integrables, on a le theor`eme de Fubini :

Th
eor`
eme 7

Th
eor`
eme de Fubini

L1 (1

Soit f
2 ).
Alors pour presque tout x 1
f (x, y) L1y (2 ) et
De meme pour presque tout y 2
f (x, y) L1x (1 ) et
De plus, on a :

Z Z
Z Z
f (x, y) d(y) d(x) =
1

f (x, y) d(y) L1x (1 )

f (x, y) d(x) L1y (2 )


Z
f (x, y) d(x) d(y) =

f (x, y) d(x) d(y)

1 2

Application pratique Pour une fonction f de signe quelconque on proc`ede de la facon suivante :
(i) On applique le theor`eme de Tonelli `
a |f | pour savoir si |f | L1 (1 2 ) (ce qui est equivalent
`a f L1 (1 2 )).
(ii) Si oui, alors on peut alors appliquer le theor`eme de Fubini `a f pour intervertir lordre dintegration
et utiliser le calcul le plus facile.

1.7.2

Changement de variable


CHAPITRE 1. INTEGRATION

20

Th
eor`
eme 8

Th
eor`
eme de changement de variable

Soient U et des ouverts de RN et soit : U un C 1 -diffeomorphisme ( est une bijection

de U sur , C 1 (U ) et 1 C 1 ()). On note pour x U :
!
i
J (x) = det
(x)
= (1 , . . . , N )
xj
1i,jN

Soit f une fonction mesurable definie p.p. sur .

1) Si f est `a valeurs dans R, on a :
Z
Z
f ((x)) |J (x)| d(x)
f (y) d(y) =

2) Si f est `a valeurs dans C,

f L1 () (x 7 f ((x))J (x)) L1 (U )
et on a la meme egalite.

Chapitre 2

Transform
ee de Fourier dans L1(R)
2.1
2.1.1

Introduction
Historique

Lanalyse en frequences apparat en 1822 dans un traite de Joseph Fourier, la Theorie analytique
de la chaleur. Lequation de la chaleur est definie par :
u
u = 0
t
u(~x, 0) = (~x)
Ici, u est une fonction de lespace et du temps : u(~x, t). Dans le cas o`
u lespace est un disque, u est
definie par P
: t 0, ~x D = {~x R, k~xk 1}. u est cherchee sous la forme dune serie de Fourier :
u(r, , t) = nZ cn (r, t)ein .
Lintegrale de Fourier apparat en 1906 dans la theorie de lintegration de Lebesgue. Elle permet
une analyse en frequence de certains phenom`enes (acoustiques, vibratoires, geophysiques, optiques).
Nous detaillons dans ce qui suit quelques proprietes interessantes de la transformee de Fourier que
nous montrerons par la suite.

2.1.2

Int
er
et de lint
egrale de Fourier pour la resolution d
equations lin
eraires

Lintegrale de Fourier, notee F pour linstant, diagonalise les operateurs de derivation, cest-`a-dire :
F : u 7 F(u)
dk
k
F : ( dx
k u) 7 (2i) F(u)
avec F operateur et u fonction. Lintegrale de Fourier sert alors `a la resolution dequations differentielles
et dEDP lineaires (Equations aux Derivees Partielles).

2.1.3

Motivation pour le traitement du signal

Si lon consid`ere un signal (une fonction) periodique, la serie de Fourier donne la decomposition en
harmoniques
de celui-ci, plus facile `
a interpreter que le signal lui-meme :
P

ix est une harmonique (correspond `

,
e
a la frequence pure = 2
).
u(x) = cn (u)einx , = 2
T
Linteret de lintegrale de Fourier pour le traitement de signal est lie `a letude des filtre lineaire.
21

 DE FOURIER DANS L1 (R)

CHAPITRE 2. TRANSFORMEE

22

Un syst`eme recoit en entree un signal f et emet en sortie un signal g. f et g = L(f ) fonctions du

temps t.
2 types de probl`emes que lon peut traiter :
1. f et g connus : probl`eme didentification du syst`eme L.
2. f connu et syst`eme connu : probl`eme du calcul de g.
en faisant une serie dhypoth`eses sur L :
L est lineaire :
g = L(f ), L(f1 + f2 ) = L(f1 ) + L(f2 ).
L est stationnaire (invariant dans le temps).
L est invariant par translation : g(t T ) = L(f (t T )).
On peut montrer alors que L est alors necessairement un operateur de convolution, cest-`a-dire :
h : R 7 R tq g(t) = (f h)(t) =

R +

f (x)h(t x)dx

Pour resoudre les probl`emes 1 et 2, sous certaines hypoth`eses sur h et f nous aurons : F (g) =
F (h f ) = F (h)F (f ), ce qui permet le calcul de la transformee de Fourier de g connaissant h et f
(reste alors `a pouvoir inverser F pour trouver g) ou connaissant g et f on peut trouver F (h) (quil
reste encore une fois `
a inverser pour trouver h).

2.2
2.2.1

Transformation de Fourier dans L1 (R)

Th
eor`
emes de densit
e

D
efinition 1 Soit f une fonction continue sur un ouvert de RN . On appelle support de f et on
note Supp(f ) le complementaire dans du plus grand ouvert sur lequel f est nulle.
Supp (f ) = {x ; f (x) = 0}
D
efinition 2 On designe par C0 () lespace vectoriel des fonctions continues sur a
` support
compact (ensemble ferme borne en dimension nie), cest-`
a-dire :
C0 () = {f C() ; Kcompact, K tq x \K, f (x) = 0}
Th
eor`
eme 1
Soit

RN

Th
eor`
eme de densit
e
un ouvert. C0 () est dense dans Lp () pour p {1, 2} ie :
p {1, 2}, > 0, f Lp (), g C0 () tq kf gkp

Remarque : Le theor`eme reste vrai pour les fonctions C0k (), k .

2.2. TRANSFORMATION DE FOURIER DANS L1 (R)

2.2.2

23

D
efinition de la transform
ee de Fourier dans L1 (R)

D
efinition 3 (Transform
ee de Fourier) Soit f L1 (R), on lui associe f telle que :
def
R, f() =

f (x)e2ix dx

= 2 : pulsation ( rad.s1 ), : frequence (Hz) Lapplication : F : f 7 f est appelee transformee

de Fourier.

2.2.3

Propri
et
e (Th
eor`
eme de Riemann-Lebesgue)

Th
eor`
eme 2

de Riemann-Lebesgue

1. F : f 7 f est une application lineaire, continue de L1 (R) dans L (R).

2. si f L1 (R), alors f est continue sur R et lim f() = 0.

D
emonstration

R
1. F lineaire (linearite de ).

Montrons la continuite de F en 0, autrement dit :

f L1 (R), kF(f )kL (R) Ckf kL1 (R)
Z



 
, f () = 

f (x)e

donc f L (R) et kfkL (R) kf kL1 (R) .

2ix 

|f (x)| dx = kf kL1 (R)

2. soit g C01 (R), ensemble des fonctions C 1 `a support compact, alors

g()

g(x)e2ix dx

+ Z

e2ix
e2ix
g (x)

dx
=
g(x)
2i
2i
R
Z
 
1
g (x) dx
|
g ()|

2 || R

0 car g L1 (R) < +.

or C01 (R) est dense dans L1 (R).

 DE FOURIER DANS L1 (R)

CHAPITRE 2. TRANSFORMEE

24

do`
u : f L1 (R), > 0, g D(R), kf gkL1 (R) <
Alors, comme
|f()| kf gkL1 (R) + |
g ()|,
on obtient lim f() = 0.

2.2.4

Exemple

Fonction porte : = 1l] 1 ; 1 [

2 2
R 12 2ix
sin()

() = 1 e
dx = : sinus cardinal.
2

En pratique : la representation graphique de f est la representation en frequence du signal f , appele

spectre (module et phase).

2.2.5

Propri
et
es

Proposition 1

du retard

L1 (R),

f
R
Posons x R, g(x) = f (x ). g L1 (R).
Alors R, F (g)() = g() = e2i f()

Remarque 1 e2i
est un facteur de retard ou dephasage. On a ainsi :

 
R, |
g ()| = f ()
et Arg(
g ()) = Arg(f()) 2

D
emonstration Un changement de variable dans lintegrale de Fourier donne immediatement le
resultat.

Proposition 2
f L1 (R), a > 0.
Posons x R, g(x) = f (ax) : g L1 (R).
R, F(g()) =

1
f( )
a a

Remarque 2 Si f est a
` support compact : augmenter la taille du support de f (en dilatant f )
revient a
` contracter la fonction f et inversement.

2.2. TRANSFORMATION DE FOURIER DANS L1 (R)

25

Th
eor`
eme 3
1. si x xk f (x) est dans L1 (R) pour k {0, , n} alors f est n fois derivable et on a :
f(k) () = gbk ()

o`
u gk (x) = (2ix)k f (x)
T
2. Si f L1 (R) C n (R) et si f (k) L1 (R) alors pour tout k {1, , n} on a :
(k) () = (2i)k f()
fd

3. Si f L1 (R) et si supp(f) est borne, alors f C .

D
emonstration
1. Pour tout k n,

k f (x)e2ix
k
|(2ix)k f (x)|

est continue pour tout et presque tout x. Par ailleurs,

=
qui appartient `a L1 (R) donc f est de classe C k dans le
theor`eme de derivation dune integrale dependant dun param`etre.
k
2ix
| f (x)e
|
k

2. Calculons fb . En faisant une integration par parties il vient que :

Z
2ix

b
f (x)(2i)e2ix dx
f () = [f (x)e
] +
R

et telle que f soit integrable alors

Z x
f (t)dt
f (x) = f (a) +

Remarquons alors que si f est integrable et

C1

comme
est integrable, lintegrale a une limite lorsque x tend vers , donc f (x) admet
une limite quand x tend vers linfini. Dautre part, cette limite est necessairement nulle car
f est integrable. On a donc fb () = (2i)f(). On conclut en faisant un raisonnement par
recurrence.

Exemples de Transform
ee de Fourier `
a calculer

Soient < a < b < + et f = [a,b] .

On note u(t) la fonction egale `
a 1 si t > 0 et 0 sinon (fonction de Heavyside). On note par ailleurs,
sign(t) la fonction egale `
a 1 si t > 0 et 1 sinon. On pose par ailleurs un complexe de partie
reelle strictement positive. Calculez alors les transformees de Fourier suivantes :
i)f (t) = et u(t)
ii)f (t) = et u(t)
k
|t|
iii)f (t) = e
iv)f (t) = tk! et u(t)
k
v)f (t) = tk! et u(t) vi)f (t) = sign(t)e|t|
2

Calcul de F(f ) avec f : x 7 ex (cf. TD) :

 DE FOURIER DANS L1 (R)

CHAPITRE 2. TRANSFORMEE

26

Proposition 3
Soient f, g L1 (R). Alors f g et fg appartient `a L1 (R) et on a :
Z
Z
fg
f g =
R

D
emonstration Remarquez que le theor`eme de Fubini sapplique `a la fonction (x, ) f (x)g()e2ix .

Inversion de la transform
ee de Fourier dans L1 (R)

2.3

D
efinition 4 Pour toute fonction f appartenant a
` L1 (R) on note :
Z
F(f )() =
f (x)e2ix dx
R

On a alors le theor`eme dinversion suivant :

Th
eor`
eme 4
1. Soit f L1 (R). On suppose que f est continue au point x R fixe et que f L1 (R). Alors
on a,
F f(x) = f (x)
2. Soit f L1 (R) et f L1 (R) alors
F f(x) = f (x) pour presque tout x

D
emonstration 1) Nous demontrons dabord le point 1
2
Pour n N , on pose gn (x) = e n |x| , on a gbn () = 1 1+nn2 2 . Comme gn est dans L1 (R), on peut
ecrire :
Z
Z
f ()gbn ( x)d
f()gn ()e2ix d =
R

Le membre de gauche tend vers F f(x) dapr`

Res le theor`eme de convergence dominee. Montrons que
le membre de droite tend vers f (x). comme R gbn ()d = 1, on peut ecrire
Z
Z
f ()gbn ( x)d f (x) = (f ( + x) f (x))gbn ()d
R

Soit > 0, il existe = (, x) tel que |y x| |f (y) f (x)| (f continue en x). On peut
alors ecrire :
Z
Z
Z
(f (x + ) f (x))gbn ()
(f (x + ) f (x))gbn () +
(f (x + ) f (x))gbn ()d =
R

||

||

 DE FOURIER DANS L1 (R)

2.3. INVERSION DE LA TRANSFORMEE
Pour tout n N , on a :
Z

||

De plus,
|

|f (x + ) f (x)|gbn ()d

||

f (x)gbn ()|d |f (x)|(1

27

gbn ()d = .

2
arctan(n))

qui tend vers 0 lorsque n tend vers linfini. En outre, comme gbn est paire et decroissante sur R+
Z
f (x + )gbn ()| gbn ()kf k1 ,
|
||

cette expression tendant vers 0 lorsque n tend vers linfini. Le theor`eme est donc demontre.
() = e2 2 :
2) Nous demontrons ensuite le point 2. On multiplie lintegrante par h
Z Z
2 2
I = ( f (u)e e2i(xu) du)d
R

22

on a (u, ) (u, ) = f (u)e

donner deux expressions de I :
i) On int`egre par rapport `
au:

e2i(xu)

I =

L1 (R2 ). On va pouvoir appliquer Fubini pour

2 2
f()e e2ix d

2 2
2 2
Or |f()e e2ix | |f()| qui appartient `a L1 (R) et lim e = 1. Donc par le theor`eme
0
R
de convergence dominee, on obtient que lim I = R f()e2ix dx.

ii) on int`egre par rapport `

av:

I =
=

ZR

f (u)

Z

2 2 2i(xu)

xu 2
1
f (u) e( ) du,

d du

en utilisant les proprietes des transformees de Fourier des Gaussiennes et la formule de dilatation.
x 2
Par ailleurs on sait que la fonction h (x) = 1 e( ) est dintegrale egale `a 1. On peut donc en
deduire :
Z
Z Z
|I (x) f (x)| =
|(f (x u) f (x))h (u)|du
R
R
R
Z Z
|f (x u) f (x)|h (u)du
=
ZR R
kf (x u) f (x)k1 h(u)du

Dans L1 (R), nous avons la propriete suivante :

Proposition 4
Soit f L1 (R), h R. On pose h f (x) = f (x h). Alors h h L1 (R) et lim kh f f k1 = 0.
h0

 DE FOURIER DANS L1 (R)

CHAPITRE 2. TRANSFORMEE

28

D
emonstration La demontration utilise la densite des fonctions continues `a support compact
dans L1 (R). En effet, soit gn une suite de fonctions continues `a support compact tendant vers f
dans L1 (R), on a :
> 0 N n N kf gn k1
On a :
Z
Z
Z
Z
|gn (x) f (x)|
|gn (x + ) gn (x)| +
|f (x + ) gn (x + )| +
|f (x + ) f (x)|
R

Considerons N tel que |f gN | 3 puis tel que kgN (x + ) gN (x)k1

convergence dominee), do`
u le resultat.

(Theor`eme de

Comme kf (x u) f (x)k1 |h(u)| 2kf k1 |h(u)| qui appartient `a L1 (R), on en deduit en appliquant le theor`eme de convergence dominee que :
lim kI f k1 = 0

Donc I tend vers f dans L1 (R) donc il existe une sous suite I() convergeant vers f presque
partout, do`
u le resultat.

2.4

Produit de convolution et principe du filtrage

On va dabord presenter des proprietes de la convolution dans L1 (R), puis on sinteressera aux
proprietes de la transformee de Fourier relativement aux probl`emes de filtrage lineaire.

2.4.1

Produit de convolution dans L1 (R)

Th
eor`
eme 5

et d
efinition

R
f
g L1 (R). On pose : x R, (f g)(x) = R f (y)g(x y)dy.
Alors (f g) est defini presque partout , integrable et kf gkL1 (R) kf kL1 (R) kgkL1 (R) .
L1 (R),

D
emonstration Appliquons le theor`eme de Fubini :
Z Z
R

|f (y)g(x y)| dy dx =

|f (y)|

Z

|g(x y)| dx dy

Et par changement de variable u = x y. Nous obtenons :

(2.1) =

|f (y)|

Z

(2.1)

|g(u)| du dy

= kf kL1 (R) kgkL1 (R) < +

R
car R |g(u)| du = kgkL1 (R) . Donc x 7 R |f (y)g(x y)| dy est integrable donc finie presque partout.
Donc (f g) est definie presque partout, integrable et :
Z
|(f g)(x)| dx kf kL1 (R) kgkL1 (R)
R

2.4. PRODUIT DE CONVOLUTION ET PRINCIPE DU FILTRAGE

29

Proposition 5
Soient f, g, h L1 (R).
f g =gf
(f g) h = f (g h)
(f + g) h = f h + g h

Remarque 3 Pas delement neutre pour dans L1 (R) (cf TD).

2.4.2

Exemple de filtrage : les moyennes glissantes

Soit f une fonction de x R. En chaque point x, on remplace f (x) par sa moyenne f(x) sur un
intervalle de longueur :

1
f(x) =

x+ 2
x 2

1
f (t)dt =

[x 2 ;x+ 2 ] (t)f (t)dt =

h(x t)f (t)dt

o`
u h : u 7 1 1l[ 2 ; 2 ] est appelee fenetre carree et f(x) = (h f )(x).
En pratique :
Choix dune fenetre plus reguli`ere.
Choix de : probl`eme dechelle sur les phenom`enes dans f que lon souhaite conserver o`
u lisser.

2.4.3

Convolution et transform
ee de Fourier

On etudie maintenant comment la transformee de Fourier peut nous aider `a resoudre les probl`emes
didentication de syst`emes lineaires.
Th
eor`
eme 6

: Convolution et transform
ee de Fourier

i) Soient f L1 (R), h L1 (R). Alors R, F(f h)() = f()h().

1
1

ii) Soient f L (R), h L (R) tels que f et h soient aussi dans L1 (R) Alors pour presque tout
= F(f h)
, on a : f h

f() =
Exemple 1 F(f)() = h()

sin( )
f ().

est appelee fonction de transfert. On peut alors adapter

h
signal f.

a
` la bande de frequences utile du

30

DE FOURIER DANS L1 (R)

CHAPITRE 2. TRANSFORMEE




R R
D
emonstration i) Appliquons le theor`eme de Tonelli : R R |f (y)g(x y)| dy e2ix  dx =
kf kL1 (R) kgkL1 (R) < +


car e2ix  = 1. Nous pouvons alors appliquer le theor`eme de Fubini :

Z Z
f (y)g(x y)dy e2ix dx
F(f g)() =

ZR ZR
f (y)g(x y)dy e2i(xy+y) dx
=
R
R

Z
Z
g(x y)e2i(xy) dx dy
f (y)e2iy
=

ZR
ZR
2iu
2iy
g(u)e
du dy = f()
g ()
f (y)e
=
R

ii) Comme f et g sont dans L1 (R) nous avons dapr`es ce qui prec`ede, en remarquant que F a les
memes proprietes que F :
F(f g) = F(f)F(
g)
= f g p.p.

comme f = F(f), f est bornee donc on peut considerer la transformee de Fourier de f g pour
finalement obtenir : f g = F(f g).

Chapitre 3

Transform
ee de Fourier dans L2(R)
Nous avons vu au chapitre precedant que letude de la transformee de Fourier dans L1 (R) presente
des inconvenients notant en terme dinversion. Dans ce qui suit, nous allons voir comment lon peut
definir la transformee de Fourier sur L2 (R) comme une application bijective de L2 (R) dans L2 (R).

3.1

Lespace L2 (R)

R
Soient f, g L2 (R), on rappelle que L2 (R) est muni du produit scalaire < f |g >= R f (x)g(x)dx
p
et que la norme sur L2 (R) est definie par : kf k2 = < f |f >
Remarque : L2 (R) est un espace de Hilbert dans lequel on a le theor`eme de Cauchy-Schwarz :
Th
eor`
eme 1

(Cauchy-Schwarz)

Soit f et g appartenant `
a L2 (R), on a la propriete suivante :
sZ
sZ
Z
g (t)|
| f (t)
|f |2 (t)dt
|g|2 (t)dt
R

3.2

Convolution dans L2 (R)

On appelle convolution dans L2 (R) lapplication definie pour toute fonction f et g de L2 (R) par :
Z
f (x y)g(y)dy
F (x) =
R

On a alors le theor`eme suivant :

Th
eor`
eme 2
T
i) F C 0 (R) L (R)
ii) F est continue

31

 DE FOURIER DANS L2 (R)

CHAPITRE 3. TRANSFORMEE

32

D
emonstration i) ce point est une application directe du theor`eme de Cauchy-Schwarz
ii) Pour le point 2)
Z
|F (x + ) F (x)| = | (f (x + y) f (x y)) g(y)|dy
R
sZ

|f (x + y) f (x y)|2 dy kgk2

Le terme dependant de tend vers 0 avec (on utilise pour le demontrer la densite des applications
continues `a support compact dans L2 (R), voir la demonstration analogue du chapitre 2). Donc f
est continue en x.
Exemple : la correlation dans L2 (R) est definie par :
G(x) =

f (x + t)f(t)dt = f f(x),
R

donc est continue.

3.3
3.3.1

Transform
ee de Fourier dans L2 (R)
Lespace L1 (R)

L2 (R)

Th
eor`
eme 3

(Plancherel-Parseval)
T
Soit f et h appartenant `
a L2 (R) L1 (R), alors on a :
Z
Z

f (t)h(t)dt =
f()h()d
R

Si f = h, on a la propriete suivante :

R |f |

R |f |

D
emonstration
On commence par demontrer que la transformee de Fourier dune fonction
T
L1 (R) L2 (R) est dans L2 (R) en montrant que kf k22 = kfk22 .
p
2 x2
2
Considerons maintenant g (x) = ex dont la transformee de Fourier est g (x) = e . Par
application du theor`eme de convergence monotone on a :
Z

g (x)|f(x)|2

0 R

|f|2 +

car g (x)|f(x)|2 est positive, appartient `

a L1 (R) et est croissante lorsque decroit.
Par ailleurs, comme la fonction (x, u, y) f (y)f (u)ei2x(uy) g (x) est dans L1 (R3 ) (en appliquant

 DE FOURIER DANS L2 (R)

3.3. TRANSFORMEE

33

le theor`eme de Tonnelli).
Z
Z
Z
Z
2

f (y) f (u) ei2x(yu) g (x)dxdydu

g (x)|f (x)| =
R
R
R
Z
Z
Z ZR
=
f (y) f (u)
g (y u)dydu =
f (y + u)f (u)du g (y)dy
R
R
R R
r
Z
Z
y2
y)e
dy
G(
G(y)
g (y)dy =
=

R
R
G(0) = kf k22 ,
0

la limite sobtenant en appliquant le theor`eme de convergence dominee. T

Nous savons donc que la transformee de Fourier dune fonction de L1 (R) L2 (R) est dans L2 (R).
T

Nous allons maintenant demontrer la formule de Plancherel. Soit f et h dans L1 (R) L2 (R). fh
1
2
= h(t)

appartient `a L (R) en tant que produit de fonctions de L (R). Par ailleurs, si lon pose h(t)
= fh
qui appartient `
on a F(f h)
a L1 (R), donc dapr`es le theor`eme dinversion de la transformee

de Fourier et comme f h est continue en tant que convolution de fonctions de L2 (R), on a f h(x)
=

F(f h)(x), pour tout x. En considerant la valeur en x = 0, on obtient legalite de Plancherel.

3.3.2

D
efinition de la transform
ee de Fourier dans L2 (R)

Proposition 1
Lespace L1 (R)

L2 (R) est dense dans L2 (R).

T
D
emonstration Soit la suite fN (x) = [N,N ] (x)f (x) qui appartient `a L1 (R) L2 (R), on verifie
que fN tend vers f dans L2 (R).
T
Considerons une suite fN de fonctions de L1 (R) L2 (R) convergeant vers f dans L2 (R). Nous avons
vu que fN appartient `
a L2 (R), dautre part fN est de Cauchy dans L2 (R) puisque
Z
2

kfN fP k2 =
|fN fP |2 0 quand P tend vers linfini.
N xP

On definit f la limite dans L2 (R) de fN .

Il faut montrer que cette limite est independante du choix de la suite fN tendant vers
T f . Il est facile
de voir que cela provient de legalite de Parseval. En effet, soit fN et fN de L1 (R) L2 (R) tendant
vers f dans L2 (R) alors :
c
kfN fN k2 = kfN fN k2 0,

donc les transformees de Fourier ont la meme limite dans L2 (R).

On a alors la definition suivante :

D
efinition 1 La transformee de Fourier dune fonction f de L2 (R)Test denie comme la limite
dans L2 (R) de la transformee de Fourier de toute suite fN de L1 (R) L2 (R) tendant vers f dans
L2 (R).
On notera par la suite F(f ) la transformee de Fourier de f quand f est dans L2 (R).
Remarque : comme on a le choix de la suite, on prend fN = [N,N ] f .

 DE FOURIER DANS L2 (R)

CHAPITRE 3. TRANSFORMEE

34

3.4

Propri
et
e de la transform
ee de Fourier dans L2 (R)

Th
eor`
eme 4
La transformation de Fourier (resp F) se prolonge en une isometrie de L2 (R) dans L2 (R).
Designons toujours par F et F, ces prolongements, on a alors :
f L2 (R) FF(f
R ) = FF(f ) = Rf presque partout.
f, g L2 (R) R f (x)g(x)dx = R F(f )F (g)d
f L2 (R) kf k2 = kF(f )k2

D
emonstration La deT
monstration decoule de la densite de L1 (R)
etant vraies dans L1 (R) L2 (R), elles le sont aussi dans L2 (R)).

L2 (R) dans L2 (R) (les egalites

Chapitre 4

Th
eorie
el
ementaire des distributions
La theorie des distributions a ete definie par L. Schwartz en 1947. Elle permet de donner un
cadre theorique et rigoureux `
a des calculs formels effectues par Heaviside d`es 1896 et par Dirac en
1926 : pour etudier des phenom`enes de propagation, les physiciens ont manie des objets, comme
la fonction de Dirac, avec les memes r`egles operatoires que celles qui regissent les fonctions.
Or ces objets ne peuvent etre des fonctions. La theorie des distributions, extension de la notion de
fonction, a permis de fonder ces calculs et den preciser le maniement (une application est donnee
dans le chapitre sur lechantillonnage des fonctions en traitement du signal).
La theorie des distributions va permettre en outre de deriver des fonctions qui nont pas de derivee
au sens classique. Cest loutil de base pour letude des equations aux derivees partielles.

4.1
4.1.1

Lespace des fonctions test

Notations

designe un ouvert de RN .
Un point de RN est note x = (x1 , . . . , xN ).
Pour tout N -uplet dentiers = (1 , . . . , N ) on note || sa longueur :
|| = 1 + + N
et ! sa factorielle :
Pour tout h RN et NN on note :

! = 1 ! N !
h = h1 1 hNN

Toute derivee partielle sera notee :

=

1 2
||
N
=
=
.
.
.

x
x1 1 x2 2
xNN
x1 1 . . . xNN

Ces conventions permettent decrire les formules de Taylor et de Leibniz sous la meme forme que
dans R :

35


EMENTAIRE

CHAPITRE 4. THEORIE
EL
DES DISTRIBUTIONS

36

Formule de Taylor dans RN : Soit une fonction de classe C n+1 dans RN :

(x + h) =

X h
(x) + o(khkn )
!

||N

Formule de Leibniz dans RN

X 
f g
(f g) =


!

avec f, g

et
=
; ! = 1 !2 ! . . . N !.

!( )!
Linegalite signifie : i = 1, . . . N, i i .
C () ;

4.1.2

NN

Support dune fonction

D
efinition 1 Soit une fonction continue denie sur . On appelle support de et on note
Supp () la fermeture (dans ) de lensemble des points o est non nulle.
Une definition equivalente : le complementaire (dans ) du support dune fonction est le plus
grand ouvert (dans ) sur lequel est nulle.

4.1.3

D
efinition des fonctions test D()

` valeurs
D
efinition 2 On note D() (ou encore C0 ()) lensemble des fonctions denies sur et a
dans C, indeniment derivables et a
` support compact.
D() est un espace vectoriel.
Remarque 1 Soit D(). Supp () est compact et Supp () .

0
si x RN \ Supp ()
Posons : (x)

=
(x) si x Supp ()
alors D(RN ).
Exemple 1 (x) =

1
exp 1kxk
2
0

si kxk < 1
si kxk 1

D(RN ), Supp () = B (0, 1)

Th
eor`
eme 1
Pour tout > 0, il existe D(RN ) tel que :
(x) = 1 pour kxk 1, 0 1 et (x) = 0 pour kxk 1 + .


4.2. DEFINITION
DES DISTRIBUTIONS

4.1.4

37

Convergence dans D()

D
efinition 3 Soient n et D().
On dit que n converge vers dans D() si :
K compact, K tel que n, Supp (n ) K
NN , n uniformement.

4.2

D
efinition des distributions

4.2.1

D
efinition

D
efinition 4 Une distribution T sur est une forme lineaire continue sur D(), cest-`
a-dire :
(i) 1 , 2 D(), C, T (1 + 2 ) = T (1 ) + T (2 )

(ii) Si n dans D(), alors T (n ) T () dans C

On note D () lensemble des distributions sur ; cest un espace vectoriel.

On note hT, i ou T ().
Exemples
1. On note L1loc () lensemble des fonctions mesurables sur , integrables sur tout compact de
.
Par exemple, 1 L1loc (R).
Soit f

|x|
1
Lloc (). Pour

D() on pose :
hTf , i =

f (x)(x) dx

T f D () :
Tf est bien definie puisque
|f (x)(x)| kk 1lSupp() (x)|f (x)| L1 ()
Tf est lineaire (linearite de lintegrale).
Tf est continue sur D() :
Soit n D()
 0 Zdans D().
Z telle que n
Z




|f (x)| dx
|hT f, n i| =  f (x)n (x)dx |f (x)| |n (x)| dx kn k
K

2. Soit a

RN .

Pour

D(RN )

on pose :

ha , i = (a)
a D (RN ) :
Linearite :
ha , 1 + 2 i = (1 + 2 )(a) = 1 (a) + 2 (a) = ha , 1 i + ha , 2 i
Continuite :
Si n 0 dans D(RN ) : |ha , n i| = |n (a)| kn k 0
Quand a = 0, on note = 0 .


EMENTAIRE

CHAPITRE 4. THEORIE
EL
DES DISTRIBUTIONS

38

3. Soit f L1loc (). Pour D() et j {1, . . . , N }, posons :

hT, i =

f (x)

(x) dx
xj

Si n 0 dans D() : soit K compact tel que n, Supp (n ) K.

Z
n
|f (x)| dx 0
|hT, n i|

n
xj
K

Proposition 1
Lapplication de L1loc () dans D () qui `
a f associe Tf est lineaire et injective.
D
emonstration
f1 , f2 L1loc (), C, Tf1 +f2 = Tf1 + Tf2
En effet, soit Z D(),
Z
Z
f1 + f2 = hTf1 , i + hTf2 , i
(f1 + f2 ) =
hTf1 +f2 , i =

Z
f (x)(x)dx = 0, alors f = 0
Si D(), hTf , i =

Remarque 2 Lapplication denie dans la proposition 1 nest pas surjective. Elle permet didentier L1loc () a
` un sous espace vectoriel de D () quon appelle les distributions reguli`eres.

4.2.2

Convergence des distributions

D
efinition 5 On dit que la suite de distributions Tn D () converge vers la distribution T

D () si pour toute D(), hTn , i hT, i.

p
X
X
Tn converge vers T .
On dit quune serie
Tn converge et a pour somme T si la suite Sp =
n=0

n0

Exemples 2
1. Soit fn (x) = cos(nx), fn L1loc (R). Tfn D (R).
R
lim Tfn = 0 (car D(R), hTfn , i = cos(nx)(x)dx 0).
n

n+

D (R).

2. Soit n N, n 0 dans
Soit D(R), hn , i = (n) = 0 pour n grand (car a
` support compact).


4.3. OPERATIONS
SUR LES DISTRIBUTIONS

4.2.3

39

Support dune distribution

D
efinition 6 Soit T D (). Soit un ouvert. On dit que T est nulle sur si pour toute
D(), hT, i = 0.
/ , a est
Exemple 3 Soit a RN . a est nulle sur CRN {a} = RN \ {a}. Si RN ouvert et a
nulle sur .
D
efinition 7 Soit T D (). Le support de T , note Supp (T ), est le complementaire (dans ) du
plus grand ouvert sur lequel T est nulle.
On peut montrer que existe.
Exemple 4 Supp (a ) = {a}
` support compact (dans ).
D
efinition 8 On note E () lespace vectoriel des distributions a
Si f C() et Supp (f ) est compact, Tf E ().
E () ( D ().
Th
eor`
eme 2
Soit Tn D (), n N.
Si pour toute D (), hTn , i a une limite dans C, alors Tn a une limite dans D ().
D
emonstration
D() 7 lim hTn , i est lineaire.
n+

1 , 2 D() et C.
lim (hTn , 1 + 2 i) = lim hTn , 1 i + hTn , 2 i = lim hTn , 1 i + lim hTn , 2 i
n+

n+

n+

n+

La continuite de lim Tn est une consequence du theor`eme de Banach Steinhaus (admis)

Exemple 5 n, Tn =

n
X
p=0

p D (R).

Soit D(R). no N tq Supp () [n0 , n0 ].

n0
n0
X
X
(p)
(p)
hTn , i =
p=0

p=0

donc, il existe T D(R) tel que Tn T dans D (R) : T =

4.3

p .

p0

Op
erations sur les distributions

Le but : etendre aux distributions certaines operations definies sur les fonctions.
Les conditions :
1. La nouvelle definition doit concider avec lancienne pour les fonctions.
2. Continuite au sens des distributions des operations definies.


EMENTAIRE

CHAPITRE 4. THEORIE
EL
DES DISTRIBUTIONS

40

4.3.1

D
erivation des distributions

Soit f C 1 () et soit 1 j N . Pour D() :

Z

f (x)

hT f , i = hTf ,

i
xj

f
(x)(x)dx =
xj

dx
xj

Pour les distributions on a :

Proposition 2

(et d
efinition)

Soit T D (), 1 j N et D(), on definit

h

T
xj

par :

T
def
, i = hT,
i
xj
xj

D
emonstration La linearite est evidente, Si n dans D() alors
do`
u la continuite de

T
xj

et donc

T
xj

appartient `a D ()

Proposition 3
Soit T D ().
1. Pour 1 j N,

T
D ().
xj

2T
2T
=
xj xk
xk xj
2. T est indefiniment derivable et on a :
D(), h T, i = (1)|| hT, i
Pour 1 j, k N on a :

D
emonstration (du 1))
Soit et D(), C.
T

h
, + i = hT,
( + )i
xj
xj

+
i
= hT,
xj
xj

i hT,
i
= hT,
xj
xj
T
T
= h
, i + h
, i
xj
xj

n
xj

xj

dans D(),


4.3. OPERATIONS
SUR LES DISTRIBUTIONS

41

Soit n 0 dans D(). Dapr`es la remarque ?? (page ??),

T
n
, n i = hT,
i 0
xj
xj
Soit D().
T
2T
, i = h
i
,
h
xj xk
xk xj
2
2
= hT,
i = hT,
i
xk xj
xj xk
2T
T
, i
,
i = h
= h
xj xk
xk xj

n
0 dans D ().
xj

On a : h

Proposition 4
La derivation est continue sur D ().
Si Tn , T D () et Tn T dans D (), alors NN , Tn T dans D ().
D
emonstration
Soit D().
h Tn , i = (1)|| hTn , i (1)|| hT, i = h T, i
Remarque 3 Toute fonction continue et meme localement integrable a des derivees de tous les
ordres (en tant que distribution) : ces derivees ne sont pas en general des fonctions1 .

(Tf ) = T f
x
xj
j
Dans ce cas la derivee est encore une derivation reguli`ere.
Exemple 6 Si f C 1 () :

Exemples 7
1. On prend pour T la fonction dHeaviside denie par : Y (x) =

1 si x > 0
0 si x < 0

Y L1loc (R), donc Y denit une distribution TY D (R) (elle est derivable).
Soit D (R)
Z +

(x)dx = (0) = h, i
hY , i = hY, i =
Donc Y = .

2. Posons f (x) = ln |x| pour x 6= 0.

f L1loc (R) donc f denit une distribution de D (R).
Soit D(R).
Z
Z

f (x) (x)dx
hf , i = hf, i = f (x) (x)dx = lim
R

0+

Il existe M > tel que Supp () [M, M ].

i.e : des distributions de la forme Tf

|x|


EMENTAIRE

CHAPITRE 4. THEORIE
EL
DES DISTRIBUTIONS

42
Z

f (x) (x)dx
f (x) (x)dx +
M

Z
Z M
(x)
(x)

M
dx + f (x)(x)]M
dx
= f (x)(x)]
x
x
M

Z
(x)
= () ln() + () ln()
dx
|
{z
}
|x| x

f (x) (x)dx =

|x|

En eet : (() ()) ln() = 2 () ln() o`

u ] , [,
do`
u : |(() ()) ln()| 2 kk | ln()| 0


a-dire (ln |x|) = vp
On a donc : hf , i = hvp x1 , i cest-`

1
x

D
efinition 9 Soient a = a0 < a1 < . . . < ap < ap+1 = b des points de R. Soit f une application
denie sur ]a, b[\{a1 , . . . , ap }.

On dit que f est de classe C k par morceaux si j {1, . . . , p}, f a des derivees jusqua lordre k
sur ]aj , aj+1 [ et si ces derivees se prolongent contin
ument sur ]a, a1 ], [aj , aj+1 ] pour 1 j p 1
(si p 2) et sur [ap , b[.
On note f (ai 0) les limites a
` droite et a
` gauche en ai , i = 1, . . . , p.

Th
eor`
eme 3

Formule des sauts

Soit f de classe C 1 par morceaux sur ]a, b[. On a :

f = {f } +

p
X
i=1

(f (ai + 0) f (ai 0))ai

o`
u f designe la derivee de f au sens des distributions (cest-`a-dire (Tf ) ) et {f } designe la
distribution definie par la derivee de f en dehors des points ai , 1 i p.

Exemple 8 Y = {0} + =

D
emonstration
Pour p = 1 : Soit D(]a, b[).


4.3. OPERATIONS
SUR LES DISTRIBUTIONS

hf , i = hf, i
Z a1
Z

=
f
a

= lim

a1
a1 1/n

n+ a

43

f lim

n+ a +1/n
1

" 
#
 
 Z a1 1/n
1
1

= lim f a1
f
a1

n+
n
n
a
"
#

 
 Z b
1
1
lim f a1 +
a1 +

f
n+
n
n
a1 +1/n
Z a1
Z b
f
= (a1 ) (f (a1 + 0) f (a1 0)) +
f +
{z a1 }
|a
Rb
a

4.3.2

Multiplication par les fonctions C

La multiplication de deux distributions quelconques nest pas possible en general.

Contre-exemple : f (x) = g(x) = 1 ; f, g L1loc (R). Donc Tf , Tg D (R) mais (f g)(x) =
|x|

L1loc (R).
Soit T D () et soit f C ().
Cas particulier :
R
Si T = Tg , g L1loc () : D(), hf g, i = f g = hg, f i
Cas general :
def

On pose : hf T, i = hT, f i, D().

La formule a un sens, car f D().
Proposition 5
Avec les notations ci-dessus : f T D ().
D
emonstration
Linearite :
hf T, 1 + 2 i = hT, f (1 + 2 )i
= hT, f 1 + f 2 i
= hT, f 1 i + hT, f 2 i = hf T, 1 i + hf T, 2 i
Continuite :
Dapr`es la formule de Leibniz :
X 
(f g) =
f g

1
|x|


EMENTAIRE

CHAPITRE 4. THEORIE
EL
DES DISTRIBUTIONS

44


!

; ! = 1 !2 ! . . . N !.
avec f, g

et
=

!( )!
Soit n D(), n 0. On a : f n 0 dans D().
K compact, K tel que n, Supp (n ) K. Alors Supp (f n ) K.
Soit NN ,


X 






| (f n )| = 
f
n 





X 



sup  f (x) n 0

xK
n
C () ;

NN

Exemples 9
1. Soit a , f C (), on a f a = f (a)a :
def

Soit D(), hf a , i = ha , f i = f (a)(a) = f (a)ha , i

2. xvp x1 = 1 :
Soit D(R),
 
 
Z
1
x(x)
1
dx
hxvp
, i = hvp
, xi = lim
x
x
0+ |x|
Zx
(x)dx
lim
0+ |x|
Z
=
(x)dx
=

(par le th. de convergence dominee)

= h1, i

Exercice Trouver toutes les distributions T D (R) telles que : xT = 0.

Proposition 6
1. Soient Tn , T D () et f C ().
Si Tn T dans D (), alors f Tn f T dans D ().

2. Soient fn , f C () et T D ().
Si NN , fn f uniformement sur tout compact de , alors fn T f T dans
D ().

D
emonstration
1. Soit D(),
hf Tn , i = hTn , f i hT, f i = hf T, i
n

2. Soit D(),
hfn T f T, i = hT, (fn f )i 0 car (fn f ) 0 dans D()

4.4. CONVOLUTION DUNE FONCTION ET DUNE DISTRIBUTION : D(R) D (R)

45

Remarque 4 Si Tn T dans D () et si NN fn f uniformement sur tout compact

(avec les notations de la proposition 5) alors fn Tn f T .
Proposition 7
Soit T D () et f C (R). On a :
(f T ) = f T + f T

(Ceci est vrai, `a tous les ordres, et en dimension 2 : formule de Leibniz)

D
emonstration
Soit D(R).
h(f T ) , i = hf T, i = hT, f i
hf T + f T , i = hf T, i + hf T , i
= hT, f i + hT , f i

= hT, f i hT, (f ) i = hT, f i hT, f + f i

= hT, f i

4.4

Convolution dune fonction et dune distribution : D(R) D (R)

D
efinition 10 Soit T D (R) et D(R). Alors
def

x R, (T )(x) = hT, (x .)i

o`
u (x .) : y 7 (x y)

La definition est consistante, car `

a x fixe, y 7 (x y) est C , `a support compact, cest donc une
fonction de D(R).
Th
eor`
eme 4
oit T D (R) et D(R).
Alors x 7 (T )(x) est une f onction, continue, C
R C
p

Et on a : p N, (T )(p) (x) = ( ddxTp )(x) = (T (p) )(x)

D
emonstration
Continuit
e:
(T )(x + h) (T )(x) = hT, (x + h ) (x )i
|
{z
}
x,h (y)D(R)

(p)

On a : x,h 0 dans D(R) (x,h et x,h 0) uniformement sur tout compact.

h0

h0

T est continue sur D(R), donc limh0 [(T )(x + h) (T )(x)] = 0.


EMENTAIRE

CHAPITRE 4. THEORIE
EL
DES DISTRIBUTIONS

46

D
erivabilit
e : On proc`ede au meme raisonnement pour :
(x + h y) (x y)
1
[(T )(x + h) (T )(x)] = hT,
i hT, (x y)i
h0
h
h
= (T )(x)
Donc T est derivable et (T ) (x) = (T )(x).
De plus,
dT
dT
= h , (x .)i = hT, [(x .)] i = hT, (x .)i = T
dx
dx

Exemples 10

( )(x) = h, (x .)i = (x)

do : = . est lelement neutre pour .

(a )(x) = ha , (x .)i = (x a)

Remarque 5
est une operation regularisante.
Si T = {f } avec f L1loc (R), alors f est C si est C (cette propriete sert dans la
demonstration de D(R) est dense dans L1 (R)).

Chapitre 5

Transform
ee de Fourier des
Distributions
La transformee de Fourier des distributions va etre definie pour un sous-ensemble de D (R), appelees
distributions temperees qui seront definies comme lensemble des formes lineaires continues sur
lespace de Schwartz que nous introduisons dans un premier temps.

5.1

Lespace de Schwartz

D
efinition 1 On note S(R) lensemble des fonctions : R C telles que :
C (R)
C
p, n N, C tel que |(p) (x)| (1+|x|)
ecroissance rapide)
n (d
Autrement dit, les fonctions de S(R) sont les fonctions C dont les derivees de tout ordre sont `a
decroissance rapide.
2
Exemple : (x) = ex
Th
eor`
eme 1 S(R) a les proprietes suivantes :
1. S(R),

2. S(R),
3. p 1

P C[X]

S(R)

P S(R)

S(R) Lp (R)

Th
eor`
eme 2 De plus, F est une bijection (lineaire) de S(R) sur lui-meme et dinverse F.
Preuve : Soit f appartenant `
a S(R), comme pour tout k, xk f (x) est dans L1 (R), f appartient `a

C (R). Soit n N and p N, on a :

n f(p) () = n F((2ix)p f (x)) =

1
F(((2ix)p f (x))(n) ).
(2i)n

En utilisant les proprietes de stabilite de S(R) par produit par un polyn

ome et par derivation, on
obtient que la fonction dont on prend la transformee de Fourier est dans S(R), donc sa transformee
de Fourier est bornee, ce qui prouve le resultat.
47

48

DE FOURIER DES DISTRIBUTIONS

CHAPITRE 5. TRANSFORMEE

Par ailleurs, comme f et f sont dans L1 (R) et que f est continu, on a f (x) = F(f)(x). Comme
Ff = (Ff ) pour tout f L1 (R) o`
u f (x) = f (x), on obtient FF(f ) = F((F(f )) ) = (FFf ) =
f. 
En remarquant que lensemble des fonctions C `a support compact sont dans S(R) et en utilisant
le lemme 1 du chapitre precedent sur la densite de telles fonctions dans L1 (R) et L2 (R), on obtient
le resultat suivant :
Th
eor`
eme 3 Lespace S(R) est dense dans L1 (R) et dans L2 (R).
Remarque : On peut munir lespace S(R) dune norme que nous introduirons en temps utile.

5.2

Distributions Temp
er
ees

Nous avons besoin de definir la transformee de Fourier dans un cadre plus general pour donner
un sens `a la transformee de Fourier de signaux echantillonnes qui sont les signaux rencontres en
pratique.

5.3

Les distributions temp

er
ees

d
efinition 2 On appelle distributions temperees lensemble des formes lineaires continues sur S(R)
Th
eor`
eme 4 S (R) D (R)
Preuve : Comme D(R) S(R), si T est lineaire sur S(R) elle est aussi lineaire sur D(R). Pour
definir la continuite de T sur S(R), nous avons besoin de la notion de convergence vers 0 dans cet
espace qui est definie de la mani`ere suivante :
n 0 dans S(R) (p, k) N2 sup |xk (p)
n (x)| 0
xR

Si on consid`ere n dans D(R), on voit que si n tend vers 0 dans D(R) alors n tend vers 0 dans
S(R), donc si est T est continue sur S(R), elle lest aussi sur D(R) .
Pour montrer quune distribution est temperee, on doit a priori utiliser pour la continuite des
fonctions de S(R) qui ne sont pas support compact. En pratique, nous utiliserons le rsultat suivant :
Th
eor`
eme 5 Une distribution T appartient S (R), si et seulement si T est continue sur D(R) pour
la convergence induite par S(R).
Preuve : Limplication est immediate, la reciproque provient du fait que D(R) est dense dans S(R)
(pour la norme sur S(R)). T est lineaire continue sur D(R) qui est dense dans S(R), donc dapr`es
le theor`eme de Hahn-Banach (pour des espaces topologiques...), il existe un unique prolongement
lineaire continu de S(R) dans R .
Nous enoncons maintenant quelques proprietes essentielles des distributions temperees :
Proposition 1 Soit T une distribution temperee.
i) Pour tout k N, xk T est dans S (R).
ii) Pour tout k N, la derivee T (k) est dans S (R)
iii) Les applications T xk T et T T (k) sont continues de S (R) dans S (R).
Exemples classiques de distributions temperees :

 DE FOURIER DE DISTRIBUTIONS
5.4. TRANSFORMEE

49

1. Soit f : R C. On dit que f est `

a croissance lente si :
c > 0 N N x R |f (x)| c(1 + x2 )N .
Toute fonction `
a croissance lente est une distribution temperee.
2. Les fonctions de Lp sont des distributions temperees.
3. Si la suite (yn ) est `
a croissance lente alors la distribution
T =

n=+
X

yn na

n=

est temperee. En particulier, a est temperee.

5.4

Transform
ee de Fourier de distributions

D
efinition 3 On denit la transformee de Fourier des distributions de la mani`ere suivante :
T S (R), S(R) < T, >=< T, >
cf .
Remarque : Si f est dans L1 (R) ou L2 (R) alors Tf = T
Nous enoncons tout dabord le theor`eme fondamental :

Th
eor`
eme 6 La transformee de Fourier est un application lineaire bijective et bicontinue de S (R)
sur lui-meme, dinverse F deni par :
S(R)

< FT, >=< T, F >

Preuve : Il est immediat que lapplication T T est lineaire de S (R) dans lui meme. Soit Tn 0
dans S (R) alors :
> 0
S(R) < Tn , >=< Tn ,
appartient `a S(R). Donc lapplication est continue.
car
On montre ensuite que linverse est F
S(R)

>=< T, >
< F T, >=< T, F()

La demonstration de la continuite de lapplication T FT est la meme que celle de T T..

Nous avons alors les proprietes souhaitees suivantes :
Proposition 2 Soit T une distribution temperee :
\k T
1. pour tout k N T(k) = (2ix)
(k) = (2i)k T

2. Td

2iax T
3. Pour tout a, a T = e\
4. a T = e2ia T

Transformees de Fourier des distributions usuelles :

= 1
a = 11

a
a

50

DE FOURIER DES DISTRIBUTIONS

CHAPITRE 5. TRANSFORMEE

Soit f un signal dont les echantillons correspondent `a un pas dechantillonnage a et forment une
suite `a croissance lente. On deP
finit lechantillonnage de la fonction f `a la frequence dechantillonnage
a par la distribution f a = nZ f (na)na . Dapr`es les resultats enonces plus haut, cette distribution est temperee et par continuite de P
la transformee de Fourier sur S (R), la transformee de
f (na)e2ina .
Fourier de la fonction echantillonnee est
nZ

Bibliographie
[1] J-P. Ansel et Y. Ducel, E xercices corriges en theorie de la mesure et de lintegration, Ellipses
[2] G. Gasquet , P. Witomski, Analyse de Fourier et Applications, Masson

51